生成对抗自模仿学习
机器学习
2018-12-04 v1 人工智能
机器学习
摘要
本文通过提出生成对抗自模仿学习 (GASIL) 探索了一种用于强化学习的简单正则化器，其鼓励智能体通过生成对抗模仿学习框架来模仿过去的好轨迹。GASIL 不直接最大化奖励，而是专注于复现过去的好轨迹，当奖励稀疏且延迟时，这有可能使长期信用分配更容易。GASIL 可通过将 GASIL 用作学习到的塑形奖励函数，轻松地与任何策略梯度目标结合。我们的实验结果表明，在具有延迟奖励和随机动力学的 2D Point Mass 与 MuJoCo 环境中，GASIL 提升了近端策略优化的性能。
引用
@article{arxiv.1812.00950,
title = {Generative Adversarial Self-Imitation Learning},
author = {Yijie Guo and Junhyuk Oh and Satinder Singh and Honglak Lee},
journal= {arXiv preprint arXiv:1812.00950},
year = {2018}
}